面向乳腺癌分类的大视觉模型令牌式双视图融合与适配

论文提出一种冻结视觉Transformer骨干中的令牌式双视图学习框架，将CC与MLO乳腺X线视图通过专用融合令牌进行双向交互，并在多个Transformer深度重复融合，以保留视图特征并逐层传播互补信息。在VinDr-Mammo和CMMD上，该方法优于多种适配与融合基线；VinDr-Mammo BI-RADS分类达到50.40% F1和0.8090 AUC，二分类AUC较双视图融合基线提升0.10。